☘️☘️👇🏿اسلایدهای دکتر عبادزاده از دانشگاه امیرکبیر👇🏿☘️☘️

کتاب استفاده از منطق فازی در متلب

Machine learning and representation learning

☘️Machine learning and representation learning
🔴(A) The classical machine learning workflow can be broken down into four steps: data pre‐processing, feature extraction, model learning and model evaluation.
🔴(B) Supervised machine learning methods relate input features x to an output label y, whereas unsupervised method learns factors about x without observed labels.
🔴 (C) Raw input data are often high‐dimensional and related to the corresponding label in a complicated way, which is challenging for many classical machine learning algorithms (left plot). Alternatively, higher‐level features extracted using a deep model may be able to better discriminate between classes (right plot).
🔴(D) Deep networks use a hierarchical structure to learn increasingly abstract feature representations from the raw data.

تفاوت بین برخی فیلدهای مختلف هوش مصنوعی

• یادگیری ماشین = ≠ یادگیری ژرف
یادگیری ماشین معادل یادگیری ژرف نیست ولی بسیار به جای هم استفاده می شوند. یادگیری ژرف یک شاخه‏ای از یادگیری ماشین می‏باشد که ناشی از Artificial Neural Networks است. به عثیده بنده یکی از بخش خای جذاب یادگیری ماشین است چون به نوعی ملهم از سیستم بیولوژیکی است(چند پست بالاتر و سیستم ادراک در مغز).
شبکه های عصبی که در سال 1960 اراه شده بسیار معروفتر از یادگیری ژرف است.
https://news.1rj.ru/str/MachineLearningDeep

🔴 جزوه آشنایی مقدماتی با شبکه عصبی☝☝☝☝☝☝☝☝☝
💡@MachineLearningDeep